APP下载

基于微电极阵列的神经细胞电信号采集与处理

2018-08-30张晓旭杨立波宋正勋赵立

关键词:微电极幅频特性电信号

张晓旭,杨立波,宋正勋,2,赵立

(1.长春理工大学 电子信息工程学院,长春 130022;2.长春理工大学 国家纳米操纵与制造国际联合研究中心,长春 130022;3.长春海拉车灯有限公司,长春 130033)

神经系统的信息传导主要是通过神经放电而实现的,神经元作为神经系统的基本单元,其产生的电信号含有丰富的信息,故而研究神经细胞电信号的采集与处理有着重要意义[1]。神经细胞产生的电信号电位幅度一般在90~130mV,对于不同测量方法得到的神经细胞电信号也不尽相同,现主要技术有膜片钳技术[2]和微电极阵列技术[3]。

膜片钳技术对神经细胞电信号进行采集需要受过良好训练的电生理学专家进行,采集难度较大,且通量低、数据采集慢。基于微电极对神经细胞电信号进行采集,可将细胞直接在电极芯片上进行无创培养,随时观察其生长情况,进而方便、快速地采集到神经细胞电信号。虽然以微电极阵列为传感器对神经细胞电信号进行采集的方法由来已久,但是一直存在因为电极材料问题使得神经细胞不能很好地在电极表面生长且影响观察,或者没有相对应的外围放大滤波装置使得神经细胞电信号不能很好地获得等问题。该实验用到的微电极阵列以玻璃为基底,并对电极表面镀金,同时采用专用的微电极芯片连接器、放大滤波电路、信号采集卡完成神经细胞电信号的采集。之后为更好地对后续信号进行特征提取与分类,采用经验模态分解(Empirical Mode De⁃composition,EMD)[4]的方法对信号进行分解,再根据信号分量特征选取信号的真实部分进行重组,得到去除噪声的神经细胞电信号。通过文中提出的方法,使得对神经细胞电信号的研究更加便利。

1 神经细胞电信号采集系统

本文采用微电极阵列采集神经细胞电信号的方法。文中用到的神经细胞是现提取的小鼠神经细胞,微电极是共有60通道、单个电极圆盘直径30μm、两电极圆盘间距100μm的微电极阵列。首先需在微电极表面固定培养皿,对培养皿所在区域进行氧等离子体处理,使得离体的神经细胞可在电极圆盘上贴壁生长。当神经细胞培养2~3天后,在显微镜下观察到细胞生长状况良好,可进行电信号采集。微电极与神经细胞在微电极芯片的生长情况如图1所示。

图1 微电极及在微电极芯片上培养的神经细胞放大图

神经细胞电生理特性采集系统如图2所示,主要包括电源、微电极芯片及接口装置、前置放大器、数据采集卡、计算机。系统的预处理电路包括前置放大电路和滤波电路,主要负责将微弱的神经细胞电信号进行放大,同时去除基线漂移和高频干扰信号,以供接下来的信号采集系统完成信号采集工作。基于LabVIEW的数据采集系统由上位PC机结合LabVIEW实现,将放大滤波电路处理后的信号经由NI-4462数据采集卡进行采集,以完成对前置放大器采集的电信号进行传输、转换和存储。计算机与信号采集卡之间采用PCI外部设备互联总线的方式进行上下位机间的通信[5],将记录的信号传输至电脑上进行波形显示和数据保存。

图2 神经细胞电信号采集系统

2 神经细胞电信号处理

通过微电极及其外围设备采集到如图3所示神经细胞电信号后,发现离体培养的神经细胞电信号幅值为75mV~125mV之间,且发放模式多呈爆发模式发放[6],符合神经细胞的电信号发放情况。

图3 神经细胞电信号

由于检测到的电信号主要是由细胞膜外吸附正电荷产生的场电势,离体培养的细胞又与电极之间是容性连接,根据电容量与两个极板的距离成反比的理论,细胞膜与电极间的依附程度对其是否能达到最佳耦合是至关重要的[7]。场电势的大小与细胞-电极接触间隙形成的电阻成比例。因此,细胞在电极上完全覆盖的程度决定了细胞-电极界面的电特性,同时电极和细胞接触的几何形状,如大小、尺寸以及相互位置也对其有影响[8]。在电极上培养细胞时发现,细胞在贴壁生长时经常会出现一个电极圆盘周围有多个神经细胞同时存在,导致单个细胞不能完全与电极接触,所以会出现采集到的神经细胞电信号可能是多个细胞共同活动的结果,导致细胞之间产生影响。同时采集电信号时细胞通过培养液与电极接触产生的阻抗、电噪声和环境噪声也会影响采集结果[9],不可避免地会掺杂生物噪声及外来噪声。

经验模态分解方法可以根据信号的实际情况,自适应地分解信号,可对采集到的非平稳、非线性神经电信号进行较好的处理。本文参考Hilbert-Huang变换,利用EMD方法将一组掺杂噪声的神经细胞电信号分解为若干本征模态函数IMF(Intrinsic Mode Function),所分解出来的各IMF分量包含了原噪声信号的不同时间尺度的局部特征信号。之后对IMF分量进行希尔伯特变换取得各分量的瞬时频率,进而有选择性地恢复原信号[10]。具体步骤如下:

(1)利用EMD方法将图3中掺杂噪声的神经细胞电信号分解为若干本征模态函数IMF,以此可以实现真实信号与噪声信号的近似分离。原始信号可以表示成式(1):

即原始信号分解成n个固有模态(IMF)和一个残余信号rn(t),残余信号是一个平均的趋势或是一个常数[11]。所有分量如图4所示。

图4 信号分解后的IMF分量图

由图4可知,IMF1~IMF4分量的频率相对较大,初步判断为高频噪声,IMF5~IMF8的频率相对较小,初步判断为信号的真实部分。下面将结合各IMF分量的希尔伯特变换得到的幅频特性图再做进一步的判断。

(2)对提取的各IMF分量进行希尔伯特变换,进而得到信号的幅频特性图,求得信号的瞬时频率[12]为式(2):

各分量的幅频特性如图5所示。

图5 各分量幅频特性图

由图5可以看出,IMF1~IMF4的幅频特性图中,包含很多大于50Hz的峰值,而IMF5~IMF8的幅频特性图中峰值主要集中于0~50Hz。进一步可以判定IMF1~IMF4为噪声部分,IMF5~IMF8为信号的有用部分。

(3)对判定为噪声的成分进行去除,对判定为有用的信号成分加以保留,利用式(3)对信号进行重构。

得到去除噪声后的信号,原始信号与去除噪声后的信号波形对比如图6所示。

图6 原始信号与去除噪声后的信号波形对比图

由图6结果对比表明,先对信号进行经验模态分解,之后根据分解信号特征去除噪声部分,再把有用部分进行整合得到新的信号,这种方法不但能够有效地抑制噪声,还可以较好地保留原始神经细胞电信号的波形成分。

3 结论

本文利用微电极阵列对神经细胞电信号进行了采集,通过实验发现神经细胞可以在微电极上很好地生长,经过2~3天培养就可以在显微镜下观察到细胞已在电极圆盘周围贴壁生长,对神经细胞电信号进行测量时发现可以产生75mV~125mV的明显放电现象。之后通过经验模态分解方法将原始的神经细胞电信号分解成多个IMF分量,以此实现真实信号与噪声信号的近似分离。之后从高频IMF分量中找出包含噪声的分量,然后将其剔除,剩余的IMF分量不做处理。最后将剩余未做处理的IMF分量重新整合就能获得去除噪声的真实信号。

虽然经过对比处理前与处理后的信号波形,发现本文的方法比较适合对用微电极采集到的神经细胞电信号去除噪声,但是由于在培养神经细胞过程中不能很好的控制细胞生长方向和数量,导致一些电极圆盘上长有很多神经细胞,另一些上面却只有很稀少或没有神经细胞,故而在使用微电极阵列对神经细胞电信号进行采集时各细胞间不可避免的会产生干扰。在后续的研究中会通过改变微电极阵列结构,或者利用加药的方法来控制神经细胞在微电极上定向生长,完成特定神经细胞电信号的采集。

本文提出了一种简单可行的实验方法,可完成神经细胞电信号的采集与处理。这种方法为之后研究神经细胞奠定了基础,尤其可对研究神经细胞电信号内蕴涵的丰富信息提供帮助,继而为生物医学、神经信息学、新型传感器等众多领域的研究提供基础。

猜你喜欢

微电极幅频特性电信号
基于联合聚类分析的单通道腹部心电信号的胎心率提取
基于Code Composer Studio3.3完成对心电信号的去噪
应用于电阻抗测量的表面微电极研究
基于随机森林的航天器电信号多分类识别方法
基于微流体脉冲驱动控制技术的电化学微流控芯片制备方法
基于无线激光通信语音传输系统的设计
基于FPGA的频率特性测试仪的设计
一种用于多巴胺实时检测的集成微电极的微流控芯片
基于MSP430的自动幅频特性测试系统
工程车辆油气悬架参数化建模与幅频特性分析